运动预测算法提高了自动驾驶车辆的安全性能

西南研究院开发了一种运动预测系统，增强了自动车辆的行人检测能力。该计算机视觉工具使用深度学习算法，通过观察实时生物力学运动来预测运动，骨盆区域是变化的关键指标。

“例如，如果一个行人正在向西走，系统可以预测这个人是否会突然转向南方，”SwRI的高级研究分析师、该项目的负责人塞缪尔·e·斯洛克姆(Samuel E. Slocum)说。“随着自动驾驶汽车的普及，这项研究提供了几个重要的安全功能来帮助保护行人。”

最近涉及自动驾驶车辆的事故，使人们更加迫切地要求提高对行人和其他移动障碍物的探测能力。虽然以前的技术可以跟踪和预测直线运动，但它们无法预测突然的变化。

运动预测通常使用“光流”算法来预测基于横向运动的方向和速度。光流是一种计算机视觉，它将算法与摄像机配对以跟踪动态物体。然而，当人们朝意想不到的方向移动时，光流的准确性就会降低。

为了提高准确性，SwRI将光流与其他深度学习方法进行了比较，包括时间卷积网络(tns)和长短期记忆(LSTM)。在测试了几种配置后，研究人员优化了一种优于竞争算法的新型TCN，以很高的精度预测在几毫秒内运动的突然变化。

时序设计使用卷积神经网络处理视频数据。SwRI的新方法优化了网络层的膨胀，以学习和预测更高层次的趋势。扩张卷积是存储和访问空间观测视频数据的结构。

在行人和骑自行车的人附近开车时，人们会根据经验和推断。SwRI的研究是让自动驾驶系统的反应更像人类驾驶员的一小步。

SwRI应用传感部门的经理道格拉斯·布鲁克斯博士说:“如果我们看到一个行人，我们可能会准备减速或变道，以防有人过马路。”“我们认为这是理所当然的，但对计算机来说，处理这个场景并预测场景是非常复杂的。”

该研究团队利用了SwRI的无标记运动捕捉系统，该系统可以自动化运动科学中的生物力学分析。利用摄像机视觉和感知算法，该系统提供了对运动学和关节运动的深入了解。

该项目的应用包括人类表演、自动驾驶汽车和制造机器人。算法可以与各种基于相机的系统一起工作，数据集也可用于SwRI客户端。

-编辑自CFE媒体发布的SwRI新闻稿。查看更多控制工程机器视觉故事．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。